电网中的动态匹配市场：概念与基于深度强化学习的求解
系统与控制
2021-12-20 v4 系统与控制
摘要
传统用于管理电力市场不确定性的批量负荷灵活性选项，如负荷转移与负荷削减，限制了选项的多样性并忽略个体负荷的偏好，从而降低了效率与福利。本文提出一种替代批量负荷灵活性选项以管理电力市场不确定性的方法：基于强化学习的动态匹配市场。我们提出一种新颖的基于混合学习的模型，用于在动态匹配市场中最大化社会福利。我们模型的关键特征是一个基于规则的固定函数和一个可学习组件，该组件可利用在线收集的数据进行训练，无需先验知识或专家监督。可学习组件的输出是关于个体客户匹配决策的概率分布。所提出的混合模型使学习算法能找到同时满足客户服务偏好的有效匹配策略。仿真表明，该学习算法针对不同发用电轮廓学到了有效的匹配策略，且相较于标准在线匹配启发式（如到达即匹配、匹配至最高者、匹配至最早截止期限策略）表现出更优性能。
引用
@article{arxiv.2104.05654,
title = {Dynamic Matching Markets in Power Grid: Concepts and Solution using Deep Reinforcement Learning},
author = {Majid Majidi and Deepan Muthirayan and Masood Parvania and Pramod P. Khargonekar},
journal= {arXiv preprint arXiv:2104.05654},
year = {2021}
}